CN114494122A - 目标对象的检测方法、装置、存储介质及电子设备 - Google Patents
目标对象的检测方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN114494122A CN114494122A CN202111567204.XA CN202111567204A CN114494122A CN 114494122 A CN114494122 A CN 114494122A CN 202111567204 A CN202111567204 A CN 202111567204A CN 114494122 A CN114494122 A CN 114494122A
- Authority
- CN
- China
- Prior art keywords
- detected
- image
- target object
- area
- detection area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 170
- 230000002159 abnormal effect Effects 0.000 claims abstract description 102
- 230000011218 segmentation Effects 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 39
- 230000005856 abnormality Effects 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 11
- 230000002950 deficient Effects 0.000 claims description 11
- 230000007547 defect Effects 0.000 abstract description 15
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 3
- 229910052802 copper Inorganic materials 0.000 description 3
- 239000010949 copper Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Abstract
本申请实施例提供一种目标对象的检测方法、装置、存储介质及电子设备。方法包括:获取包含待检测器件的待测图像;在待测图像中生成检测区域,并使检测区域覆盖待测图像中待检测器件的目标对象;通过第一预设阈值对检测区域进行第一阈值分割,以确定目标对象在检测区域中的实际区域,其中,第一预设阈值用于对待测图像中的目标对象与背景区域进行区分;通过第二预设阈值对实际区域进行第二阈值分割,以确定实际区域中的异常像素,其中,第二预设阈值根据异常像素的颜色分量设置;根据异常像素所组成的异常区域,确定目标对象是否存在异常。上述技术方案,能够更简便快捷的检测出缺陷,大幅度提高检测效率,能够适应高通量的目标对象的检测场景。
Description
技术领域
本申请涉及器件检测领域,具体涉及一种目标对象的检测方法、装置、存储介质及电子设备。
背景技术
通常,器件被生产制造出来后,可能会出现多种缺陷,例如器件的引脚表面可能会出现划伤、器件的壳体表面可能会出现裂痕等。因此,需要在出厂前对生产的器件进行缺陷的检测,以剔除质量有瑕疵的器件。器件的缺陷检测一般需要借助专门的检测设备来完成。随着科技的不断发展,各种器件的结构复杂度、以及器件的生产能力也在不断提升,相应地,也就对器件的检测设备提出了更高的要求。
然而,现有技术中的已有算法往往需要进行破损、裂痕等特定对象的识别,这些对象识别算法普遍存在计算量大、占用资源多、耗时长的问题,并不适用于实时检测并在短时间内完成计算并输出结果的场景。
发明内容
本申请实施例的目的是提供一种目标对象的检测方法、装置、存储介质及电子设备。
为了实现上述目的,本申请第一方面提供一种目标对象的检测方法,包括:
获取包含待检测器件的待测图像;
在待测图像中生成检测区域,并使检测区域覆盖待测图像中待检测器件的目标对象;
通过第一预设阈值对检测区域进行第一阈值分割,以确定目标对象在检测区域中的实际区域,其中,第一预设阈值用于对待测图像中的目标对象与背景区域进行区分;
通过第二预设阈值对实际区域进行第二阈值分割,以确定实际区域中的异常像素,其中,第二预设阈值根据异常像素的颜色分量设置;
根据异常像素所组成的异常区域,确定目标对象是否存在异常。
可选地,在待测图像中生成检测区域,并使检测区域覆盖待测图像中待检测器件的目标对象包括:获取与待测图像对应的模板图像,其中,模板图像包括参考器件以及覆盖参考器件中目标对象的初始检测区域;将待测图像与模板图像进行对比,以确定待测图像中待检测器件与模板图像中参考器件之间的位置偏移量;根据位置偏移量在待测图像中生成检测区域。
可选地,通过第二预设阈值对实际区域进行第二阈值分割,以确定实际区域中的异常像素包括:通过第二预设阈值对待测图像被检测区域覆盖的区域进行第二阈值分割,将检测区域中异常的像素确定为初始异常像素;将初始异常像素中位于实际区域中的像素确定为异常像素。
可选地,将初始异常像素中位于实际区域中的像素确定为异常像素包括:将初始异常像素置为1,并将实际区域内的全部像素置为1;将初始异常像素所组成的区域与实际区域进行与运算,将与运算结果为1的像素确定为异常像素。
可选地,在通过第二预设阈值对实际区域进行第二阈值分割后,方法还包括:对二值化后的实际区域进行连通处理;对连通处理后的结果进行去噪处理;根据运算后的检测区域确定目标对象在检测区域中的实际区域。
可选地,第一预设阈值为根据样本图像中样本器件的目标对象与背景区域在至少一个颜色通道的分量值差异设置的数值范围。
可选地,第二预设阈值为根据样本图像中样本器件的目标对象存在缺陷的区域在至少一个颜色通道的分量值设定的数值范围。
本申请第二方面提供一种目标对象的检测装置,包括:图像获取模块,用于获取包含待检测器件的待测图像;检测区域确定模块,用于在待测图像中生成检测区域,并使检测区域覆盖待测图像中待检测器件的目标对象;第一处理模块,用于通过第一预设阈值对检测区域进行第一阈值分割,以确定目标对象在检测区域中的实际区域,其中,第一预设阈值用于对待测图像中的目标对象与背景区域进行区分;第二处理模块,用于通过第二预设阈值对实际区域进行第二阈值分割,以确定实际区域中的异常像素,其中,第二预设阈值根据异常像素的颜色分量设置;异常检测模块,用于根据异常像素所组成的异常区域,确定目标对象是否存在异常。
本申请第三方面提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令在被处理器执行时使得处理器被配置成执行上述的目标对象的检测方法。
本申请第四方面提供一种电子设备,处理器和存储器通过总线连接,存储器中存储有计算机程序,在计算机程序被处理器调用时执行上述的目标对象的检测方法。
通过上述技术方案,能够更简便快捷的检测出目标对象的缺陷,大幅度提高目标对象的检测效率,能够适应高通量的目标对象的检测场景。本发明的方案通过两次阈值分割,能够精准找到目标对象在检测区域中真实所在的区域,而且能够将位于目标对象内的缺陷检测出来,有效避开目标对象以外的噪声区域,而且非常适用于目标对象形状不规则的场景中。
本申请实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本申请实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本申请实施例,但并不构成对本申请实施例的限制。在附图中:
图1示意性示出了根据本申请实施例的目标对象的检测方法的流程示意图;
图2示意性示出了根据本申请实施例的目标对象的检测装置的结构框图;
图3示意性示出了根据本申请实施例的计算机设备的内部结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解的是,此处所描述的具体实施方式仅用于说明和解释本申请实施例,并不用于限制本申请实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1示意性示出了根据本申请实施例的目标对象的检测方法的流程示意图。如图1所示,在本申请一实施例中,提供了一种目标对象的检测方法,包括以下步骤:
步骤101,获取包含待检测器件的待测图像。
步骤102,在待测图像中生成检测区域,并使检测区域覆盖待测图像中待检测器件的目标对象。
步骤103,通过第一预设阈值对检测区域进行第一阈值分割,以确定目标对象在检测区域中的实际区域,其中,第一预设阈值用于对待测图像中的目标对象与背景区域进行区分。
步骤104,通过第二预设阈值对实际区域进行第二阈值分割,以确定实际区域中的异常像素,其中,第二预设阈值根据异常像素的颜色分量设置。
步骤105,根据异常像素所组成的异常区域,确定目标对象是否存在异常。
器件引脚表面破损作为一种器件生产比较常见的缺陷,往往会降低器件的生产质量。因此,需要对器件引脚表面破损情况进行检测,以提高器件的生产质量。对器件引脚表面进行检测,首先,处理器可以获取包含待检测器件的待测图像。其中,待测图像可以通过图像采集设备进行拍摄。图像采集设备可以是摄像机、摄影机、照相机、记录仪等具备图像采集功能的设备。在图像采集设备拍摄到包含有待检测器件的待测图像后,处理器可以获取包含有待检测器件的待测图像。然后,处理器可以在待测图像中生成检测区域,并使检测区域覆盖待测图像中待检测器件的目标对象。
在一个实施例中,在待测图像中生成检测区域,并使检测区域覆盖待测图像中待检测器件的目标对象包括:获取与待测图像对应的模板图像,其中,模板图像包括参考器件以及覆盖参考器件中目标对象的初始检测区域;将待测图像与模板图像进行对比,以确定待测图像中待检测器件与模板图像中参考器件之间的位置偏移量;根据位置偏移量在待测图像中生成检测区域。
在待测图像中生成检测区域,并使检测区域覆盖待测图像中待检测器件的目标对象,处理器可以先获取与待测图像对应的模板图像。其中,待检测器件的目标对象可以指的是待检测器件的引脚。模板图像可以包括参考器件以及覆盖参考器件中目标对象的初始检测区域。参考器件可以指的是无缺陷或者缺陷可以忽略不计的器件。在模板图像中,模板图像的检测区域是可以根据参考器件的位置所标注的。模板图像的检测区域可以指的是覆盖参考器件中目标对象的初始检测区域。
在实际的检测过程中,待检测器件的位置可能出现偏移,即模板图像的检测区域无法覆盖待检测图像中待检测器件的目标对象。例如,当拍摄模板图像的图像采集设备和拍摄待测图像的图像采集设备的位置不变,但由于待检测器件未被归置到位或待检测器件生产后在传送检测的过程中,待测器件的位置发生移动,可能导致待测图像中的器件出现偏移。在这种情况下,若根据模板图像中的参考器件位置标注模板图像的检测区域,并根据模板图像的检测区域在待检测图像中生成检测区域。此时,模板图像的检测区域可能无法覆盖待测图像中待检测器件的目标对象,器件检测的结果会出现较大的误差。
为了修正待检测图像中的检测区域的位置偏移,处理器可以将待测图像与模板图像进行对比,以确定待测图像中待检测器件与模板图像中参考器件之间的位置偏移量。在确定位置偏移量后,处理器可以根据位置偏移量在待测图像中生成检测区域。此时,模板图像中的检测区域和器件的相对位置关系与待测图像中的检测区域和器件的相对位置关系相同。其中,根据位置偏移量在待测图像中生成检测区域的方式可以有多种。例如,可以是先在待测图像中生成检测区域,然后根据确定的位置偏移量调整检测区域的位置,以完成修正检测区域的偏移。也可以是在根据位置偏移量在待测图像中生成检测区域的同时调整检测区域的位置偏移量,以完成修正检测区域的偏移。
以目标对象为待检测器件的引脚为例,若模板图像的检测区域覆盖待检测器件的引脚,但由于器件引脚的形状不规则,每个器件的引脚可能都会出现偏差。因此,我们可以在生成检测区域后,先将待测图像中待检测器件的引脚与背景区域进行区分,以减少后续检测的计算量,提高检测效率与准确性。
在生成检测区域后,处理器可以通过第一预设阈值对检测区域进行第一阈值分割,以确定目标对象在检测区域中的实际区域。其中,第一预设阈值可以对待测图像中的目标对象与背景区域进行区分。在一个实施例中,第一预设阈值为根据样本图像中样本器件的目标对象与背景区域在至少一个颜色通道的分量值差异设置的数值范围。第一预设阈值可以为根据样本图像中样本器件的边缘在至少一个颜色通道的分量值差异设定的数值范围。其中,样本图像中包含有样本器件。样本图像中每一个像素的颜色分量可以涉及三个颜色通道,颜色通道可以包括R、G以及B三个通道,每个颜色通道的分量值可以是0~255。样本器件的目标对象可以是样本器件的引脚。通过对样本器件进行检测可以得到目标对象的像素和背景区域的像素,从而根据样本器件中的目标对象的像素和背景区域的像素中至少一个颜色通道的分量值差异设定第一预设阈值,以区分样本器件的目标对象与背景区域各自所对应的像素。例如,假设目标对象是引脚,那么样本器件则可以是引脚存在缺陷的器件。
在确定目标对象在检测区域中的实际区域后,处理器可以通过第二预设阈值对实际区域进行第二阈值分割,以确定实际区域中的异常像素。其中,第二预设阈值可以根据异常像素的颜色分量设置。在一个实施例中,第二预设阈值为根据样本图像中样本器件的目标对象存在缺陷的区域在至少一个颜色通道的分量值设定的数值范围。其中,样本图像中包含有样本器件。样本图像中每一个像素可以包含有三个颜色通道,颜色通道可以包括R、G以及B三个通道,分别对应于红色、绿色以及蓝色通道,每个颜色通道的分量值可以是0~255。以目标对象是器件的引脚为例,那么与之对应的,在本实施例中的样本器件则为引脚存在缺陷的器件。在区分了样本器件的引脚与样本器件的样本图像所在的背景区域之后,为了进一步确定样本器件的引脚的缺陷区域,可以设定一个第二预设阈值,以确定出样本器件存在缺陷的引脚对应所对应的像素。后续在对待检测器件进行检测时,则可以根据上述设定的第二预设阈值快速的区分出待检测器件的引脚是否存在缺陷,以及存在缺陷的引脚所对应的像素。以目标对象为待检测器件的引脚为例,在实际检测过程中,器件的引脚可以被红色、绿色以及蓝色通道中的部分光源正面照射。若根据待检测图像中待测器件的引脚存在缺陷的区域在R通道的分量值设定第二预设阈值,此时,由于器件的引脚有划伤导致露出铜表面,当其被R通道,即红色通道中的光源正面照射时,露出铜表面的区域的R通道的分量值较高。因此,在通过第二预设阈值对实际区域进行第二阈值分割时,可以确定实际区域中的异常像素,即为R通道的分量值较高的像素。
在一个实施例中,通过第二预设阈值对实际区域进行第二阈值分割,以确定实际区域中的异常像素包括:通过第二预设阈值对待测图像被检测区域覆盖的区域进行第二阈值分割,将检测区域中异常的像素确定为初始异常像素;将初始异常像素中位于实际区域中的像素确定为异常像素。
在确定目标对象在检测区域中的实际区域后,可以对检测区域进行第二阈值分割。处理器可以先通过第二预设阈值对待测图像被检测区域覆盖的区域进行第二阈值分割,将检测区域中异常像素确定为初始异常像素。由于检测区域的面积可以是大于目标对象在检测区域中的实际区域的,检测区域中的异常像素点可以是目标对象之外的点。因此,在确定为初始异常像素后,还需要对检测区域中的异常像素点进一步区分。
在一个实施例中,将初始异常像素中位于实际区域中的像素确定为异常像素包括:将步骤103中得到的目标对象在检测区域中的实际区域的像素点置为1,检测区域中的其他像素点置为0,得到一个二值化图像;并且,由于实际区域是不规则的,所以在步骤104中优选还是通过第二预设阈值对整个检测区域进行第二阈值分割(该步骤不是基于步骤103中对待测图像进行第一阈值分割得到的二值化图像进行的,而是基于待测图像直接进行的),得到整个检测区域中的初始异常像素,将所有初始异常像素点置为1(这些像素中可能有一部分位于实际区域以外),将检测区域中的其他像素点置为0,得到另一个二值化图像;接下来,将上述两个二值化图像彼此覆盖,执行与运算,这样,既位于实际区域中,同时也异常的像素的与运算结果仍然为1,这样就能够将目标对象实际区域中的异常像素找到。
在一个实施例中,在通过第二预设阈值对实际区域进行第二阈值分割后,方法还包括:对二值化后的实际区域进行连通处理;对连通处理后的结果进行去噪处理;根据运算后的检测区域确定目标对象在检测区域中的实际区域。
在通过第二预设阈值对实际区域进行第二阈值分割后,处理器还可以对二值化后的实际区域进行连通处理。其中,连通处理可以指的是对实际区域进行闭运算。即,可以将视觉上不连续的缺陷但真实可能是同一缺陷的几个缺陷合并在一起。在进行连通处理之后,处理器可以对连通处理后的结果进行去噪处理。其中,去噪处理可以指的是开运算。即,可以去除孤立的小点、毛刺以及细小的连接,使得实际区域的形状轮廓基本不变。
在确定异常像素后,处理器可以根据异常像素所组成的异常区域,确定目标对象是否存在异常。在一个实施例中,确定目标对象是否存在异常,可以对目标对象在检测区域中的实际区域与异常像素所组成的异常区域分别进行与运算。然后,提取与运算的运算结果为0的像素点,对像素点进行面积计算,以此确定目标对象是否存在异常。以检测器件的引脚为例,器件引脚存在的异常可以是漏铜。
通过上述技术方案,能够更简便快捷的检测出目标对象的缺陷,大幅度提高目标对象的检测效率,能够适应高通量的目标对象的检测场景。
图1为一个实施例中目标对象的检测方法的流程示意图。应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图2所示,提供了一种目标对象的检测装置,包括图像获取模块、检测区域确定模块、第一处理模块、第二处理模块以及异常检测模块,其中:
图像获取模块201,用于获取包含待检测器件的待测图像。
检测区域确定模块202,用于在待测图像中生成检测区域,并使检测区域覆盖待测图像中待检测器件的目标对象。
第一处理模块203,用于通过第一预设阈值对检测区域进行第一阈值分割,以确定目标对象在检测区域中的实际区域,其中,第一预设阈值用于对待测图像中的目标对象与背景区域进行区分。
第二处理模块204,用于通过第二预设阈值对实际区域进行第二阈值分割,以确定实际区域中的异常像素,其中,第二预设阈值根据异常像素的颜色分量设置。
异常检测模块205,用于根据异常像素所组成的异常区域,确定目标对象是否存在异常。
在对器件引脚表面进行检测时,图像获取模块201可以获取待检测器件的待测图像。其中,待测图像可以指的是包含有待检测器件的待测图像。待测图像可以通过图像采集设备进行拍摄。图像采集设备可以是摄像机、摄影机、照相机、记录仪等具备图像采集功能的设备。在图像采集设备拍摄到包含有待检测器件的待测图像后,图像获取模块201可以获取待检测器件的待测图像。
在获取到待检测器件的待测图像后,检测区域划定模块202可以在待测图像中生成检测区域,并使检测区域覆盖待测图像中待检测器件的目标对象。具体地,检测区域划定模块202可以获取与待测图像对应的模板图像,其中,模板图像包括参考器件以及覆盖参考器件中目标对象的初始检测区域。在获取到模板图像后,检测区域划定模块202将待测图像与模板图像进行对比,以确定待测图像中待检测器件与模板图像中参考器件之间的位置偏移量。在确定位置偏移量的情况下,检测区域划定模块202可以根据位置偏移量在待测图像中生成检测区域。
在确定待测图像的检测区域后,第一处理模块203可以通过第一预设阈值对检测区域进行第一阈值分割,以确定目标对象在检测区域中的实际区域,其中,第一预设阈值用于对待测图像中的目标对象与背景区域进行区分。其中,样本图像中包含有样本器件。通过对样本器件进行检测可以得到目标对象的像素和背景区域的像素,从而根据样本器件中的目标对象的像素和背景区域的像素中至少一个颜色通道的分量值差异设定第一预设阈值,以区分样本器件的目标对象与背景区域各自所对应的像素。例如,假设目标对象是引脚,那么样本器件则可以是引脚存在缺陷的器件。颜色通道可以包括R、G以及B三个通道,每个颜色通道的分量值可以是0~255。
在确定目标对象在检测区域中的实际区域的情况下,第二处理模块204可以通过第二预设阈值对实际区域进行第二阈值分割,以确定实际区域中的异常像素,其中,第二预设阈值根据异常像素的颜色分量设置。在确定异常像素后,异常检测模块205可以根据异常像素所组成的异常区域,确定目标对象是否存在异常。
目标对象的检测装置包括处理器和存储器,上述图像获取模块、检测区域确定模块、第一处理模块、第二处理模块以及异常检测模块等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序模块中实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来实现对目标对象的检测方法。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本申请实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现上述目标对象的检测方法。
本申请实施例提供了一种处理器,处理器用于运行程序,其中,程序运行时执行上述目标对象的检测方法。
本申请实施例提供了一种电子设备,包括处理器和存储器,处理器和存储器通过总线连接,存储器中存储有计算机程序,在计算机程序被处理器调用时执行上述的目标对象的检测方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图3所示。该计算机设备包括通过系统总线连接的处理器A01、网络接口A02、存储器(图中未示出)和数据库(图中未示出)。其中,该计算机设备的处理器A01用于提供计算和控制能力。该计算机设备的存储器包括内存储器A03和非易失性存储介质A04。该非易失性存储介质A04存储有操作系统B01、计算机程序B02和数据库(图中未示出)。该内存储器A03为非易失性存储介质A04中的操作系统B01和计算机程序B02的运行提供环境。该计算机设备的数据库用于存储待测图像等数据。该计算机设备的网络接口A02用于与外部的终端通过网络连接通信。该计算机程序B02被处理器A01执行时以实现一种目标对象的检测方法。
本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本申请实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:获取包含待检测器件的待测图像;在待测图像中生成检测区域,并使检测区域覆盖待测图像中待检测器件的目标对象;通过第一预设阈值对检测区域进行第一阈值分割,以确定目标对象在检测区域中的实际区域,其中,第一预设阈值用于对待测图像中的目标对象与背景区域进行区分;通过第二预设阈值对实际区域进行第二阈值分割,以确定实际区域中的异常像素,其中,第二预设阈值根据异常像素的颜色分量设置;根据异常像素所组成的异常区域,确定目标对象是否存在异常。
在一个实施例中,在待测图像中生成检测区域,并使检测区域覆盖待测图像中待检测器件的目标对象包括:获取与待测图像对应的模板图像,其中,模板图像包括参考器件以及覆盖参考器件中目标对象的初始检测区域;将待测图像与模板图像进行对比,以确定待测图像中待检测器件与模板图像中参考器件之间的位置偏移量;根据位置偏移量在待测图像中生成检测区域。
在一个实施例中,通过第二预设阈值对实际区域进行第二阈值分割,以确定实际区域中的异常像素包括:通过第二预设阈值对待测图像被检测区域覆盖的区域进行第二阈值分割,将检测区域中异常的像素确定为初始异常像素;将初始异常像素中位于实际区域中的像素确定为异常像素。
在一个实施例中,将初始异常像素中位于实际区域中的像素确定为异常像素包括:将初始异常像素置为1,并将实际区域内的全部像素置为1;将初始异常像素所组成的区域与实际区域进行与运算,将与运算结果为1的像素确定为异常像素。
在一个实施例中,在通过第二预设阈值对实际区域进行第二阈值分割后,方法还包括:对二值化后的实际区域进行连通处理;对连通处理后的结果进行去噪处理;根据运算后的检测区域确定目标对象在检测区域中的实际区域。
在一个实施例中,第一预设阈值为根据样本图像中样本器件的目标对象与背景区域在至少一个颜色通道的分量值差异设置的数值范围。
在一个实施例中,第二预设阈值为根据样本图像中样本器件的目标对象存在缺陷的区域在至少一个颜色通道的分量值设定的数值范围。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:获取包含待检测器件的待测图像;在待测图像中生成检测区域,并使检测区域覆盖待测图像中待检测器件的目标对象;通过第一预设阈值对检测区域进行第一阈值分割,以确定目标对象在检测区域中的实际区域,其中,第一预设阈值用于对待测图像中的目标对象与背景区域进行区分;通过第二预设阈值对实际区域进行第二阈值分割,以确定实际区域中的异常像素,其中,第二预设阈值根据异常像素的颜色分量设置;根据异常像素所组成的异常区域,确定目标对象是否存在异常。
在一个实施例中,在待测图像中生成检测区域,并使检测区域覆盖待测图像中待检测器件的目标对象包括:获取与待测图像对应的模板图像,其中,模板图像包括参考器件以及覆盖参考器件中目标对象的初始检测区域;将待测图像与模板图像进行对比,以确定待测图像中待检测器件与模板图像中参考器件之间的位置偏移量;根据位置偏移量在待测图像中生成检测区域。
在一个实施例中,通过第二预设阈值对实际区域进行第二阈值分割,以确定实际区域中的异常像素包括:通过第二预设阈值对待测图像被检测区域覆盖的区域进行第二阈值分割,将检测区域中异常的像素确定为初始异常像素;将初始异常像素中位于实际区域中的像素确定为异常像素。
在一个实施例中,将初始异常像素中位于实际区域中的像素确定为异常像素包括:将初始异常像素置为1,并将实际区域内的全部像素置为1;将初始异常像素所组成的区域与实际区域进行与运算,将与运算结果为1的像素确定为异常像素。
在一个实施例中,在通过第二预设阈值对实际区域进行第二阈值分割后,方法还包括:对二值化后的实际区域进行连通处理;对连通处理后的结果进行去噪处理;根据运算后的检测区域确定目标对象在检测区域中的实际区域。
在一个实施例中,第一预设阈值为根据样本图像中样本器件的目标对象与背景区域在至少一个颜色通道的分量值差异设置的数值范围。
在一个实施例中,第二预设阈值为根据样本图像中样本器件的目标对象存在缺陷的区域在至少一个颜色通道的分量值设定的数值范围。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种目标对象的检测方法,其特征在于,所述检测方法包括:
获取包含待检测器件的待测图像;
在所述待测图像中生成检测区域,并使所述检测区域覆盖所述待测图像中待检测器件的目标对象;
通过第一预设阈值对所述检测区域进行第一阈值分割,以确定所述目标对象在所述检测区域中的实际区域,其中,所述第一预设阈值用于对所述待测图像中的所述目标对象与背景区域进行区分;
通过第二预设阈值对所述实际区域进行第二阈值分割,以确定所述实际区域中的异常像素,其中,所述第二预设阈值根据所述异常像素的颜色分量设置;
根据所述异常像素所组成的异常区域,确定所述目标对象是否存在异常。
2.根据权利要求1所述的目标对象的检测方法,其特征在于,在所述待测图像中生成检测区域,并使所述检测区域覆盖所述待测图像中待检测器件的目标对象包括:
获取与所述待测图像对应的模板图像,其中,所述模板图像包括参考器件以及覆盖所述参考器件中目标对象的初始检测区域;
将所述待测图像与所述模板图像进行对比,以确定所述待测图像中所述待检测器件与所述模板图像中所述参考器件之间的位置偏移量;
根据所述位置偏移量在所述待测图像中生成检测区域。
3.根据权利要求1所述的目标对象的检测方法,其特征在于,通过第二预设阈值对所述实际区域进行第二阈值分割,以确定所述实际区域中的异常像素包括:
通过所述第二预设阈值对所述待测图像被所述检测区域覆盖的区域进行第二阈值分割,将所述检测区域中异常的像素确定为初始异常像素;
将所述初始异常像素中位于所述实际区域中的像素确定为所述异常像素。
4.根据权利要求3所述的目标对象的检测方法,其特征在于,将所述初始异常像素中位于所述实际区域中的像素确定为所述异常像素包括:
将所述初始异常像素置为1,并将所述实际区域内的全部像素置为1;
将所述初始异常像素所组成的区域与所述实际区域进行与运算,将与运算结果为1的像素确定为所述异常像素。
5.根据权利要求1所述的目标对象的检测方法,其特征在于,在通过第二预设阈值对所述实际区域进行第二阈值分割后,所述方法还包括:
对二值化后的实际区域进行连通处理;
对连通处理后的结果进行去噪处理;
根据运算后的检测区域确定所述目标对象在所述检测区域中的实际区域。
6.根据权利要求1所述的目标对象的检测方法,其特征在于,所述第一预设阈值为根据样本图像中样本器件的目标对象与背景区域在至少一个颜色通道的分量值差异设置的数值范围。
7.根据权利要求1所述的目标对象的检测方法,其特征在于,所述第二预设阈值为根据样本图像中样本器件的目标对象存在缺陷的区域在至少一个颜色通道的分量值设定的数值范围。
8.一种目标对象的检测装置,其特征在于,包括:
图像获取模块,用于获取包含待检测器件的待测图像;
检测区域确定模块,用于在所述待测图像中生成检测区域,并使所述检测区域覆盖所述待测图像中待检测器件的目标对象;
第一处理模块,用于通过第一预设阈值对所述检测区域进行第一阈值分割,以确定所述目标对象在所述检测区域中的实际区域,其中,所述第一预设阈值用于对所述待测图像中的所述目标对象与背景区域进行区分;
第二处理模块,用于通过第二预设阈值对所述实际区域进行第二阈值分割,以确定所述实际区域中的异常像素,其中,所述第二预设阈值根据所述异常像素的颜色分量设置;
异常检测模块,用于根据所述异常像素所组成的异常区域,确定所述目标对象是否存在异常。
9.一种机器可读存储介质,该机器可读存储介质上存储有指令,其特征在于,该指令在被处理器执行时使得所述处理器被配置成执行根据权利要求1至7中任一项所述的目标对象的检测方法。
10.一种电子设备,包括处理器和存储器,所述处理器和所述存储器通过总线连接,其特征在于,所述存储器中存储有计算机程序,在所述计算机程序被所述处理器调用时执行根据权利要求1至7中任一项所述的目标对象的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111567204.XA CN114494122A (zh) | 2021-12-20 | 2021-12-20 | 目标对象的检测方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111567204.XA CN114494122A (zh) | 2021-12-20 | 2021-12-20 | 目标对象的检测方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114494122A true CN114494122A (zh) | 2022-05-13 |
Family
ID=81493485
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111567204.XA Pending CN114494122A (zh) | 2021-12-20 | 2021-12-20 | 目标对象的检测方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114494122A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117245104A (zh) * | 2023-11-16 | 2023-12-19 | 西安空天机电智能制造有限公司 | 3dp金属打印缺陷识别的监测方法、装置、设备及介质 |
-
2021
- 2021-12-20 CN CN202111567204.XA patent/CN114494122A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117245104A (zh) * | 2023-11-16 | 2023-12-19 | 西安空天机电智能制造有限公司 | 3dp金属打印缺陷识别的监测方法、装置、设备及介质 |
CN117245104B (zh) * | 2023-11-16 | 2024-03-12 | 西安空天机电智能制造有限公司 | 3dp金属打印缺陷识别的监测方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI581213B (zh) | 物品缺陷檢測方法、影像處理系統與電腦可讀取記錄媒體 | |
CN111369545B (zh) | 边缘缺陷检测方法、装置、模型、设备及可读存储介质 | |
JP4657869B2 (ja) | 欠陥検出装置、イメージセンサデバイス、イメージセンサモジュール、画像処理装置、デジタル画像品質テスタ、欠陥検出方法、欠陥検出プログラム、およびコンピュータ読取可能な記録媒体 | |
US11189019B2 (en) | Method for detecting defects, electronic device, and computer readable medium | |
CN111046862B (zh) | 一种字符分割方法、装置以及计算机可读存储介质 | |
CN113160161B (zh) | 目标边缘处缺陷的检测方法和装置 | |
CN109509166B (zh) | 印刷电路板图像检测方法和装置 | |
US11228723B2 (en) | Pixel correction | |
CN112613380A (zh) | 一种机房巡检方法、装置及电子设备、存储介质 | |
CN114494122A (zh) | 目标对象的检测方法、装置、存储介质及电子设备 | |
CN111598913A (zh) | 一种基于机器人视觉的图像分割方法和系统 | |
CN114494117A (zh) | 器件胶水分布的检测方法、装置、存储介质及电子设备 | |
CN114494116A (zh) | 器件边缘的检测方法、装置、存储介质及电子设备 | |
CN114494124A (zh) | 用于检测器件高度的方法、装置、存储介质及电子设备 | |
CN116879301A (zh) | 产品检测方法、装置、设备及计算机可读存储介质 | |
CN115809999A (zh) | 器件上目标对象检测方法、装置、电子设备及存储介质 | |
CN111160340A (zh) | 一种运动目标检测方法、装置、存储介质及终端设备 | |
CN114494115A (zh) | 目标对象的检测方法、装置、存储介质及电子设备 | |
JP2019045451A (ja) | 検査装置、検査方法、およびプログラム | |
TWI780084B (zh) | 用於調諧經調變晶圓之敏感度及判定用於經調變晶圓之處理視窗之系統,方法以及非暫時性電腦可讀媒體 | |
US20240029423A1 (en) | Method for detecting defect in image and device for detecting defect in image | |
CN111412941A (zh) | 安装质量的检测方法及装置 | |
CN115661125B (zh) | 基于格雷码结构光的类镜面结构表面缺陷检测方法及系统 | |
CN112801112B (zh) | 一种图像二值化处理方法、装置、介质及设备 | |
CN114494118A (zh) | 目标对象宽度的检测方法及目标对象长度的检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |